摘要
本发明涉及APT杀伤链重构与预测方法技术领域,提供了一种基于因果推理的APT杀伤链重构与预测方法及系统,旨在解决现有APT检测和防御技术中存在的多源异构数据整合困难、时空动态特征建模不足、杀伤链重构不准确、预测能力有限、可解释性差、实时性和准确性难以兼顾等问题。该方法包括获取多源异构数据,构建因果图构建,基于因果图进行多模态特征提取,获得节点初始特征表示;将节点初始特征表示输入时序因果图卷积学习算法,得到优化后的节点表示;基于优化后的节点表示执行杀伤链重构,获得可能的杀伤链序列;根据可能的杀伤链序列进行未来攻击路径预测,得到潜在的攻击路径;基于潜在的攻击路径生成可解释性分析报告。
技术关键词
量子态
多源异构数据
注意力
学习算法
节点特征
模型更新
多模态
多尺度
特征提取模块
时序
条件随机场模型
重构模块
知识蒸馏技术
搜索算法
蒙特卡洛树
序列
双曲正切函数
更新模型参数
系统为您推荐了相关专利信息
前端模块
分布式模块化
中央控制台
自动化工具
数据交换格式
功耗管理系统
活动特征
设备运行状态数据
神经网络模型
功能模块
智能手环模块
减压系统
青少年
智能分析模块
子模块
三维微结构
主动学习策略
剪切模量
数据
连通特征